第1章
预测性维护概述
什么是预测性维护 · 对比预防性/被动维护 · 商业模式与价值
概念战略
第2章
工业数据采集基础
传感器类型(振动/温度/电流/压力) · DAQ · PLC/SCADA
传感器采集
第3章
信号处理与特征工程
时域/频域/时频分析 · FFT · 小波变换 · PCA降维
特征降维
第4章
机器学习基础
监督/无监督学习 · 回归/分类/聚类 · 评估指标
ML指标
第5章
深度学习在预测性维护中的应用
RNN/LSTM · CNN故障识别 · Autoencoder异常检测
深度学习时序
第6章
故障诊断与寿命预测
轴承/齿轮箱故障 · 剩余使用寿命(RUL)预测
诊断RUL
第7章
预测性维护系统架构
边缘 vs 云 · Kafka/InfluxDB · Grafana告警
架构管道
第8章
工业案例实战
风力发电机 · 数控机床主轴 · 泵与压缩机
实战案例
第9章
挑战与未来趋势
数据不平衡 · 可解释性 · 数字孪生+AI
前沿挑战
第10章
课程总结与项目实战
端到端系统搭建：传感器 → 决策
综合项目
第11章
深入理解振动分析
位移/速度/加速度 · 传感器选型 · 频谱特征
振动频谱
第12章
温度监测与热成像
热电偶/RTD/红外 · 热成像 · 温度趋势
温度红外
第13章
油液分析技术
采样 · 光谱/铁谱 · 劣化指标与磨损判断
油液磨损
第14章
电流与功率分析
MCSA · 功率因数/谐波 · 电流故障诊断
电流谐波
第15章
超声波检测与声发射
超声波测厚 · 声发射 · 局部放电检测
超声声发射
第16章
数据预处理实战
缺失值/异常值 · 归一化 · 时间序列重采样
预处理清洗
第17章
特征提取进阶
偏度/峰度 · 边频带/谐波 · 样本熵/近似熵
特征熵
第18章
传统机器学习模型详解
SVM · 随机森林 · XGBoost故障分类
SVMXGBoost
第19章
深度学习模型详解
LSTM · CNN-1D · 注意力机制
LSTM注意力
第20章
模型部署与MLOps
ONNX/TensorRT · Jetson/树莓派 · 漂移检测
部署MLOps
第21章
异常检测实战
3-sigma/IQR · 孤立森林 · Autoencoder重构误差
异常统计
第22章
剩余寿命预测实战
相似性匹配 · 退化轨迹拟合 · 深度学习RUL
RUL实战
第23章
多传感器数据融合
数据级/特征级/决策级融合 · 卡尔曼滤波
融合卡尔曼
第24章
工业通信协议
Modbus TCP/RTU · OPC UA · MQTT · Profibus
协议工业
第25章
时序数据库与数据存储
InfluxDB · TimescaleDB · 压缩与保留策略
时序库存储
第26章
可视化与仪表盘设计
Grafana配置 · 实时看板 · 告警规则
可视化Grafana
第27章
工业边缘计算实战
边缘架构 · Node-RED · 边缘-云协同
边缘Node-RED
第28章
数字孪生基础
概念与架构 · 物理仿真 · 孪生+预测维护
数字孪生仿真
第29章
预测性维护标准与合规
ISO 13374 · ISO 14224 · 数据安全与隐私
标准合规
第30章
综合项目实战
风力发电机预测系统：采集→特征→训练→部署→可视化
全栈项目